Браин-Реадинг А.И. Чини лажна лица која ће вам бити привлачна

Замислите да је нека не тако далека будућа верзија Тиндера била у стању да уђе у ваш мозак и извуче карактеристике које сматрате најпривлачнијим потенцијалног партнера, а затим скенирајте простор за претрагу у потрази за романтиком да бисте пронашли партнера који је имао највећи број ових физичких атрибути.

Не говоримо само о квалитетима као што су висина и боја косе, већ и о далеко сложенијој једначини заснованој на скупу података о свима које сте икада раније сматрали привлачним. На исти начин на који систем препорука Спотифи учи песме у којима уживате, а затим предлаже друге које одговарају сличном профилу — заснован на карактеристикама као што су плесност, енергија, темпо, гласноћа и говорност — овај хипотетички алгоритам би урадио исто за питања срце. Или, барем, слабине. Назовите то физичком привлачношћу повезивањем путем А.И.

Да будемо јасни, Тиндер не ради - колико је мени познато - на нечему попут овога. Али истраживачи са Универзитета у Хелсинкију и Универзитета у Копенхагену су. И док би тај опис могао да личи на дистопијску плиткост постављену на пола пута Блацк Миррор и Острво љубави, у стварности је њихово истраживање читања мозга прилично фасцинантно.

Претраживање простора лица

У свом недавном експерименту, истраживачи су користили а генеративна адверсарна неуронска мрежа, обучени на великој бази података од 200.000 слика славних, да сањају низ стотина лажних лица. То су била лица са неким од обележја одређених познатих личности - овде јака вилица, а продоран скуп азурних очију - али које нису биле одмах препознатљиве као познате личности у питање.

Слике су затим скупљене у пројекцију слајдова да би се приказале 30 учесника, који су били опремљени капе за електроенцефалографију (ЕЕГ). способни да очитају своју мождану активност, преко електричне активности на њиховим скалповима. Од сваког учесника је затражено да се концентрише на то да ли мисли да лице које гледа на екрану изгледа добро или не. Свако лице се показивало кратко време, пре него што се појавила следећа слика. Учесници нису морали ништа да означе на папиру, притисну дугме или превуку удесно да би показали своје одобрење. Довољно је било само фокусирање на оно што су сматрали привлачним.

„Учесницима смо показали велики избор ових лица и замолили их да се селективно концентришу на лица која су им била привлачна,“ Мицхиел Спапе, постдокторски истраживач на Универзитету у Хелсинкију, рекао је за Дигитал Трендс. „Снимањем можданих таласа ЕЕГ-ом који су се десили непосредно након што смо видели лице, проценили смо да ли је лице виђено као привлачно или не. Ове информације су затим коришћене за покретање претраге у оквиру модела неуронске мреже — 512-димензионалног „простор лица“ — и триангулирајте тачку која би одговарала тачки појединачног учесника привлачност.”

Проналажење скривених образаца података који су открили преференције за одређене карактеристике постигнуто је коришћењем машинског учења за испитивање електричне активности мозга коју је изазвало свако лице. Уопштено говорећи, што се примећује више одређене врсте мождане активности (више о томе у секунди), то је већи ниво привлачности. Учесници нису морали да издвајају одређене карактеристике као посебно атрактивне. Да се ​​вратимо на Спотифи аналогију, на исти начин на који бисмо могли несвесно да гравитирамо песмама са одређеним временским потписом, мерењем мождане активности приликом гледања велики број слика, а затим пуштајући алгоритам да схвати шта им је заједничко, А.И. може да издвоји делове лица за које можда нисмо ни свесни да смо нацртани до. Машинско учење је, у овом контексту, попут детектива чији је посао да повеже тачке.

Превуците десним мозгом

„То није нужно ’повећана активност мозга’, већ да одређене слике ресинхронизују неуронску активност“, појаснио је Спапе. „То јест, живи мозак је увек активан. ЕЕГ је прилично другачији од [функционалне магнетне резонанце] по томе што нисмо баш сигурни одакле долази активност, али само када долази од нечега. Само зато што се многи неурони активирају у исто време, у истом правцу, [ми] смо у могућности да покупимо њихов [електрични] потпис. Дакле, синхронизација и десинхронизација су оно што преузимамо, а не 'активност' као таква."

Он је нагласио да оно што екипа има не Учињено је пронаћи начин да погледате насумичне ЕЕГ податке о мозгу и одмах кажете да ли особа гледа некога кога сматра привлачним. „Привлачност је веома сложена тема“, рекао је он. На другом месту је приметио да „не можемо да контролишемо мисли“.

Па како су тачно истраживачи успели да спроведу овај експеримент ако не могу да гарантују да је оно што мере привлачност? Одговор је, у ствари, да они су мерење привлачности. У овом сценарију, барем. Оно што истраживачи виде у овој експерименталној поставци је да, отприлике 300 милисекунди након учесник види атрактивну слику, њихов мозак се осветљава одређеним електричним сигналом који се зове а П300 талас. Талас П300 не означава увек привлачност, већ препознавање одређеног релевантног стимулуса. Али шта је то стимуланс зависи од тога шта је особа замољена да тражи. У другим сценаријима, када се од особе тражи да се фокусира на различите карактеристике, то може указивати на нешто сасвим друго. (Случај у тачки: П300 одговор се користи као мера у детекторима лажи - и не мора да се каже да ли особа говори истину о својој привлачности према одређеној особи.)

НеуроТиндер и даље

У овој студији, истраживачи су затим користили ове податке о привлачности да би генеративна супарничка мрежа генерисала нова прилагођена лица комбинујући особине које највише побуђују мозак — Франкенштајнов скуп црта лица које су подаци о мозгу учесника указивали да су лично пронашли привлачан.

„Иако можда постоје неке црте лица које се чини да су генерално префериране међу учесницима, као и некима генерисана лица у нашим експериментима личе једно на друго, модел заиста хвата лично Карактеристике," Туукка Руотсало, ванредни професор на Универзитету у Хелсинкију, рекао је за Дигитал Трендс. „Постоје разлике у свим генерисаним сликама. У најтривијалнијем аспекту, учесници са различитим полним преференцијама добијају лица која одговарају тој преференцији."

Генерисање привлачни људи који никада нису постојали је свакако употреба ове технологије која привлачи наслове. Међутим, могао би имати и друге, значајније апликације. Интеракција између генеративне вештачке неуронске мреже и одговора људског мозга такође би се могла користити за тестирање људских одговора на различите појаве присутне у подацима.

„Ово би нам могло помоћи да разумемо врсту карактеристика и њихове комбинације које реагују на когнитивне функције, као што су пристрасности, стереотипи, али и преференције и индивидуалне разлике“, рекао је Руотсало.

Недавно је објављен рад који описује рад објављено у часопису ИЕЕЕ Трансацтионс ин Аффецтиве Цомпутинг.

Препоруке уредника

• Како А.И. мозгови бумбара могли би да уведу нову еру за навигацију
• Самсунгова нова храна А.И. може да предложи рецепте на основу онога што се налази у вашем фрижидеру
• Нова кардиологија А.И. зна да ли ћеш ускоро умрети. Лекари не могу да објасне како то функционише
• Останите анонимни на мрежи помоћу деепфаке технологије која ствара потпуно ново лице за вас
• Паметна нова апликација за учење језика омогућава вам да вежбате говор са АИ. тутор